Hypercone 辅助的超外分布检测轮廓生成
计算机视觉与模式识别
2025-02-19 v2 机器学习
摘要
近期在超外分布（OOD）检测领域的进展高度依赖学习更适合此任务的表征。虽然存在基于距离的方法，但分布感知方面的考虑在很大程度上未被利用以获得更佳性能。我们提出了 HAC-OOD 方法，该方法对数据分布无假设，但自动适应其分布。具体而言，HAC-OOD 通过最大化给定数据点附近区域到其邻居的角度距离来构造一组超锥体，以近似其中包含内分布（ID）数据点的轮廓。实验结果表明，在 CIFAR-100 数据集上进行近 OOD 检测和远 OOD 检测时，HAC-OOD 在 FPR@95 和 AUROC 指标上实现了最先进的性能，而无需专门为 OOD 性能进行训练。
引用
@article{arxiv.2501.10209,
title = {Hypercone Assisted Contour Generation for Out-of-Distribution Detection},
author = {Annita Vapsi and Andrés Muñoz and Nancy Thomas and Keshav Ramani and Daniel Borrajo},
journal= {arXiv preprint arXiv:2501.10209},
year = {2025}
}